CoCA：让评分标准与策略协同进化

CoCA 让评分标准随策略能力动态调整，形成协同进化闭环。

资讯摘要

论文提出 CoCA，一个闭环框架，通过准则级诊断让评分标准（rubric）与策略共同适应。方法对比仅查询与评分引导的 rollout，判断每条准则相对当前策略的难度，重校准难度不匹配的准则，并识别引导揭示的能力缺口，用于前沿学习；随后通过引导优化扩展前沿，或用同策略自蒸馏迁移收益。作者报告在多个基准和 LLM 上优于基于评分标准的 RL 方法，并促进能力内化、缓解能力退化。

要点速读

1. CoCA 通过对比仅查询与评分引导的 rollout，对每条评分准则做相对当前策略的诊断。
2. 对难度不匹配的准则进行重校准，并识别引导揭示的能力缺口用于前沿学习。
3. 作者报告在多个基准和 LLM 上持续优于基于评分标准的 RL 方法，并缓解能力退化。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。